一、什么是flink
flink是⼀个分布式，⾼性能，随时可⽤的以及准确的流处理计算框架，
flink可以对**⽆界数据**（流处理）和有界数据（批处理）进⾏有状态计算（flink天⽣⽀持状态计算）的分
布式，⾼性能的计算框架。
二、flink****的基⽯
flink的四⼤基⽯：checkpoint,state,time,window
checkpoint:基于chandy-lamport算法实现分布式计算任务的⼀致性语义；
state:flink中的状态机制，flink天⽣⽀持state,state可以认为程序的中间计算结果或者是历史计算结果；
time:flink中⽀持基于事件时间和处理时间进⾏计算，spark streaming只能按照process time进⾏处
理； 基于事件时间的计算我们可以解决数据迟到和乱序等问题。
window:flink提供了更多丰富的window,基于时间，基于数量，session window,同样⽀持滚动和滑动窗 ⼝的计算。
三、flink****流处理和批处理
流处理：⽆界，实时性有要求，只需对经过程序的每条数据进⾏处理
批处理：有界，持久，需要对全部数据进⾏访问处理；
spark vs flink
spark：spark⽣态中是把所有的计算都当做批处理，spark streaming中流处理本质上也是批处理
（micro batch）;
flink：flink中是把批处理（有界数据集的处理）看成是⼀个特殊的流处理场景；flink中所有计算都是流 式计算；
四、flink中重要角色
JobManager: 类似 spark 中 master，负责资源申请，任务分发，任务调度执行，checkpoint 的协调执行；可以搭建 HA，双 master。
TaskManager: 类似 spark 中的 worker，负责任务的执行，基于 dataflow (spark 中 DAG) 划分出的 task; 与 jobmanager 保持心跳，汇报任务状态。
五、有界数据和无界数据
无界数据流：数据流是有一个开始但是没有结束；
有界数据流：数据流是有一个明确的开始和结束，数据流是有边界的。
flink 处理流批处理的思想是：
flink 支持的 runtime (core 分布式流计算) 支持的是无界数据流，但是对 flink 来说可以支持批处理，只是从数据流上来说，有界数据流只是无界数据流的一个特例，无界数据流只要添加上边界就是有界数据流。